सार:
OpenAI ने कल एक ही बार में चार बड़े कार्ड खेले। एजेंट्स एपीआई, जीपीटी-लाइव-1 एपीआई, डेटा एजेंट, वित्तीय सेवाओं के लिए चैटजीपीटी, एक दिन में एजेंट, वॉयस, डेटा और फाइनेंस की चार उत्पाद श्रृंखलाओं तक फैला है, जिनमें से प्रत्येक पर अलग से चर्चा की जानी चाहिए। लेकिन इन चार कार्डों में से, सबसे उल्लेखनीय एजेंट एपीआई हो सकता है।
<मुख्य><लेख>
क्योंकि इस बार, OpenAI ने कोडेक्स को "अलग कर दिया और बेच दिया"।
मूल रूप से कोडेक्स के पीछे छिपी हुई क्षमताओं का सेट और एजेंट को काम जारी रखने, टूल को कॉल करने, संदर्भ प्रबंधित करने और कई एजेंटों को समन्वयित करने की अनुमति देने के लिए जिम्मेदार सभी डेवलपर्स को कॉल करने के लिए क्लाउड एपीआई में निकाला और पैक किया गया था।
कोडेक्स एक सेवा के रूप में?
दरअसल, OpenAI लंबे समय से कोडेक्स को ख़त्म कर रहा है।
अप्रैल 2025 की शुरुआत में, जब ओपनएआई ने पहली बार ओ3 और ओ4-मिनी जारी किया, तो इसने कोडेक्स सीएलआई को ओपन सोर्स किया। यह कुछ हद तक क्लाउड कोड के ओपनएआई संस्करण जैसा है, जो सीधे स्थानीय टर्मिनल में स्थापित होता है। एजेंट को कैसे चलाना है और टूल को कैसे कॉल करना है, यह सब GitHub पर स्पष्ट रूप से पोस्ट किया गया है। यदि आप प्रयास करने के इच्छुक हैं, तो आप इसे वापस ले सकते हैं, संशोधित कर सकते हैं और इसे स्वयं चला सकते हैं।
लेकिन उस समय, चीजें आसानी से दे दी जाती थीं। आप उनका उपयोग कर सकते हैं या नहीं और आप उन्हें कैसे उपयोग करना चाहते हैं यह अभी भी आपका अपना मामला है।
एक महीने बाद, कोडेक्स क्लाउड संस्करण, जिस उत्पाद से हम आज परिचित हैं, आधिकारिक तौर पर लॉन्च किया गया था। उपयोगकर्ता इसे कोड वेयरहाउस सौंप सकते हैं, और प्रत्येक कार्य एक स्वतंत्र क्लाउड सैंडबॉक्स से मेल खाता है। कोडेक्स कोड को संशोधित कर सकता है, परीक्षण चला सकता है, बग ठीक कर सकता है और एक ही समय में कई कार्यों को संभाल सकता है।
कुछ महीने बाद, अक्टूबर 2025 में, OpenAI ने कोडेक्स SDK जारी किया।
सीधे शब्दों में कहें तो एसडीके डेवलपर्स के लिए एक टूलकिट है, ताकि कोडेक्स को न केवल एक स्टैंडअलोन उत्पाद के रूप में इस्तेमाल किया जा सके, बल्कि इसे अन्य लोगों के अनुप्रयोगों में भी एकीकृत किया जा सके। एसडीके डेवलपर्स को उसी एजेंट को शुरू करने के लिए टाइपस्क्रिप्ट कोड की कुछ पंक्तियों का उपयोग करने की अनुमति देता है जो कोडेक्स सीएलआई को चलाता है, संरचित आउटपुट प्राप्त करता है, कार्य की स्थिति बनाए रखता है, और रुकने के बाद भी चलता रहता है।
हालाँकि, SDK मुख्य रूप से प्रोग्रामों में कोडेक्स को कॉल करने के लिए उपयुक्त है, और इसने अभी तक संपूर्ण कोडेक्स इंटरैक्शन क्षमताओं को नहीं खोला है। यह पृष्ठभूमि वर्कफ़्लो, स्वचालित स्क्रिप्ट और सर्वर-साइड प्रोग्राम के लिए बहुत उपयुक्त है। लेकिन अगर आप कोडेक्स आईडीई जैसा संपूर्ण क्लाइंट बनाना चाहते हैं तो यह अभी भी थोड़ा मुश्किल है।
इसलिए फरवरी 2026 में, OpenAI ने आधिकारिक तौर पर कोडेक्स ऐप सर्वर जारी किया, और पहली बार व्यवस्थित रूप से कोडेक्स में हार्नेस को स्पष्ट रूप से समझाया।
ओपनएआई ने स्पष्ट रूप से समझाया कि कोडेक्स वेब, सीएलआई, आईडीई एक्सटेंशन और मैक ऐप अलग-अलग उत्पाद प्रतीत होते हैं, लेकिन वे वास्तव में नीचे एक ही कोडेक्स हार्नेस चला रहे हैं, जो एजेंट लूप, थ्रेड, टूल निष्पादन, प्रमाणीकरण और प्रबंधन स्थिति के लिए जिम्मेदार परत है।
ऐप सर्वर हार्नेस के इस पूरे सेट में एक द्विदिशात्मक JSON-RPC इंटरफ़ेस जोड़ता है। JetBrains, Xcode या अन्य क्लाइंट को एजेंट लूप को दोबारा बनाने की आवश्यकता नहीं है। वे संपूर्ण कोडेक्स को चलाने के लिए सीधे ऐप सर्वर शुरू कर सकते हैं।
ऐप सर्वर के साथ, अन्य उत्पादों को सीधे संपूर्ण कोडेक्स हार्नेस से जोड़ा जा सकता है।
लेकिन इस बिंदु पर, एक आखिरी समस्या है जिसका समाधान होना बाकी है।
एसडीके स्थानीय कोडेक्स एजेंट को नियंत्रित करता है, और ऐप सर्वर स्वयं भी एक निवासी प्रक्रिया है जिसे डेवलपर्स द्वारा शुरू और बनाए रखने की आवश्यकता होती है। हालाँकि कोडेक्स को उत्पाद में एकीकृत करने का मुद्दा हल हो गया है, लेकिन इसे ऑनलाइन सेवा में स्थिर रूप से चलाना अभी भी थोड़ा मुश्किल है।
अधिक विशिष्ट उदाहरण देने के लिए, यदि आप अपनी खुद की कोडिंग एजेंट वेबसाइट बनाने के लिए ऐप सर्वर का उपयोग करते हैं, तो फ्रंट एंड कोडेक्स से जुड़ा हुआ है, लेकिन जब उपयोगकर्ता "इस वेयरहाउस की मरम्मत करें" पर क्लिक करता है, तब भी आपको बड़ी संख्या में बाद के संचालन और बुनियादी ढांचे की समस्याओं को हल करने का एक तरीका ढूंढना होगा।
फिर 19 अगस्त आया. इस दिन, OpenAI ने पिछले वर्ष खोले गए CLI, SDK और ऐप सर्वर को "ओपन कोडेक्स हार्नेस" के प्लेटफ़ॉर्म नैरेटिव में एकीकृत किया, और स्पष्ट रूप से कोडेक्स को एक उत्पाद से एक प्लेटफ़ॉर्म में अपग्रेड किया।
फिर 10 सितंबर (अमेरिकी समय), यानी कल, एजेंट्स एपीआई को आधिकारिक तौर पर सार्वजनिक परीक्षण के लिए खोल दिया गया।
इस बार, डेवलपर्स को सीधे एक एजेंट बनाने के लिए एपीआई को केवल चार चीजें - कार्य, मॉडल, उपकरण और रनिंग वातावरण - बताने की आवश्यकता है। कोडेक्स हार्नेस, जो लंबे सत्र के संदर्भ संपीड़न, टूल शेड्यूलिंग और सबएजेंट सहयोग के लिए जिम्मेदार है, ओपनएआई द्वारा ही होस्ट और रखरखाव किया जाता है।
आप वह मशीन भी चुन सकते हैं जिस पर एजेंट वास्तव में काम करता है। आप चुन सकते हैं कि ओपनएआई के सैंडबॉक्स, अपने स्वयं के बुनियादी ढांचे, या क्लाउडफ्लेयर, ई2बी और मॉडल जैसे तीसरे पक्ष के वातावरण का उपयोग करना है या नहीं। हार्नेस OpenAI द्वारा प्रदान किया जाता है, और निष्पादन वातावरण डेवलपर द्वारा निर्धारित किया जाता है।
आधिकारिक बयान बहुत स्पष्ट है, एजेंट एपीआई के लिए कोई अतिरिक्त शुल्क नहीं है। दूसरे शब्दों में, हार्नेस होस्टिंग, लंबे सत्र प्रबंधन और अन्य क्षमताओं के लिए एजेंट प्लेटफ़ॉर्म शुल्क की एक अलग परत नहीं ली जाती है।
डेवलपर्स वास्तव में उपयोग किए गए मॉडल टोकन और टूल के आधार पर भुगतान करते हैं; यदि OpenAI के स्वयं के होस्टिंग सैंडबॉक्स का उपयोग किया जाता है, तो कंप्यूटिंग संसाधनों की गणना अलग से की जाती है।
एक साल से अधिक समय से, OpenAI एक ही काम कर रहा है: एक विशिष्ट उत्पाद से कोडेक्स को परत दर परत पुन: प्रयोज्य क्षमताओं में विभाजित करना, जबकि डेवलपर्स को अपने बारे में कम से कम चिंता करने की अनुमति देना।
यदि आपको इस उत्पाद श्रृंखला को एक नाम देना है, तो यह वास्तव में SaaS के समान है, सिवाय इसके कि इस बार इसकी सेवा सॉफ्टवेयर नहीं, बल्कि कोडेक्स द्वारा दी जा रही है।
एक सेवा के रूप में कोडेक्स।
हार्नेस ने भी कांटा बनाना शुरू कर दिया है
बेशक OpenAI हार्नेस पर नज़र रखने वाला अकेला नहीं है।
जब डीपसीक हार्नेस (बाद में डीएसएच के रूप में संदर्भित) जारी किया गया था, तो एक बहुत ज़ोरदार समीकरण दिया गया था:
एजेंट = मॉडल + हार्नेस।
डीपसीक के विचार में, मॉडल एजेंट का केवल आधा हिस्सा है, और दूसरा आधा हार्नेस है जो इसे पर्यावरण को समझने, टूल को कॉल करने, स्थिति प्रबंधित करने और कार्यों को निष्पादित करना जारी रखने के लिए जिम्मेदार है। जब दोनों एक-दूसरे के साथ समन्वय करते हैं तभी एजेंट वास्तव में अपने कार्य कर सकता है।
डीएसएच ने हार्नेस को एक अत्यधिक मॉड्यूलर ओपन फ्रेमवर्क में बदल दिया है: मॉडल, उपकरण, कौशल, सत्र, सैंडबॉक्स, स्टोरेज, एजेंट लूप, शेड्यूलिंग और यहां तक कि यूआई सभी को बदला जा सकता है।
"हर चीज़ एक प्लग-इन है" का नारा महज़ एक मज़ाक नहीं है। प्लग-इन लिखना और डीएसएच को अनुकूलित करना सभी के लिए सबसे अच्छा है। अंत में, चाहे डीपसीक या अन्य मॉडल शीर्ष पर चल रहे हों, हार्नेस के उसी सेट का उपयोग नीचे किया जा सकता है।
यह OpenAI द्वारा अब ली जा रही दिशा के विपरीत एक दिलचस्प विरोधाभास है।
हालाँकि OpenAI ने कोडेक्स हार्नेस को भी ओपन सोर्स किया है, एजेंट एपीआई स्पष्ट रूप से दूसरी दिशा में जा रहा है: आप अपने स्वयं के हार्नेस का उपयोग कर सकते हैं, या आप ओपन सोर्स हार्नेस ले सकते हैं, लेकिन यदि आपको यह परेशानी भरा लगता है, तो आप इसे अनदेखा कर सकते हैं और मुझे इसे आपके लिए व्यवस्थित करने दें।
इसलिए हम इसे एक "सेवा" के रूप में देखते हैं। ओपनएआई हार्नेस की मेजबानी और निरंतर रखरखाव के लिए जिम्मेदार है। डेवलपर्स को केवल यह तय करना होगा कि वे एजेंट से क्या कराना चाहते हैं, कौन से टूल का उपयोग करना है और इसे कहां निष्पादित करना है। भले ही भविष्य में मॉडल को अपग्रेड किया जाए, अगर हार्नेस तदनुसार बदलता है, तो ओपनएआई इसे एक साथ पैकेज करने के लिए भी तैयार करेगा।
एक अर्थ में, हार्नेस स्तर पर दो अस्पष्ट मार्ग हैं:
डीपसीक द्वारा दर्शाया गया मार्ग एक खुले पारिस्थितिकी तंत्र के निर्माण की तरह है, जो डेवलपर्स के लिए खुद को इकट्ठा करने के लिए हर हिस्से को एक प्लग-इन बनाता है; जबकि ओपनएआई द्वारा प्रतिनिधित्व की जाने वाली पार्टी क्लाउड सेवाओं पर दांव लगाने, पैसा लगाने और मांग करने जैसी है, और मैं बाकी को हल करने में आपकी मदद करूंगा।
हम यह भी सोच सकते हैं कि एक हार्नेस को अधिक से अधिक लिनक्स जैसा बनाना चाहता है, और दूसरा हार्नेस को अधिक से अधिक AWS जैसा बनाना चाहता है।
बेशक, यह सिर्फ एक रूपक है। ओपनएआई ने कोडेक्स हार्नेस भी ओपन सोर्स किया है, और डीपसीक के लिए भविष्य में अधिक होस्टिंग सेवाएं प्रदान करना असंभव नहीं है। लेकिन कम से कम इस स्तर पर, दोनों उत्पादों का फोकस स्पष्ट रूप से अलग है।
दिलचस्प बात यह है कि एंथ्रोपिक वास्तव में हार्नेस को एक सेवा में बदलने में ओपनएआई से एक कदम आगे है।
सितंबर 2025 की शुरुआत में, एंथ्रोपिक ने क्लाउड एजेंट एसडीके लॉन्च किया, जिससे क्लाउड कोड के पीछे टूल, संदर्भ प्रबंधन, अनुमति प्रणाली और सबएजेंट क्षमताओं को डेवलपर्स के लिए खोल दिया गया, ताकि अन्य लोग एजेंटों के रूप में चीजों के इस सेट का उपयोग कर सकें।
इस साल अप्रैल में, इसने OpenAI से भी पहले क्लाउड मैनेज्ड एजेंट्स लॉन्च किए। सेशन, हार्नेस और सैंडबॉक्स को तीन स्वतंत्र परतों में विभाजित किया गया है: एंथ्रोपिक हार्नेस और लंबे कार्यों की मेजबानी के लिए जिम्मेदार है। सैंडबॉक्स एंथ्रोपिक द्वारा प्रदान किया जा सकता है या अन्य निष्पादन वातावरण से जोड़ा जा सकता है। यह विचार वास्तव में आज के एजेंट एपीआई के काफी करीब है। एंथ्रोपिक स्वयं इसे "दीर्घकालिक एजेंट कार्यों के लिए एक होस्टिंग सेवा" के रूप में परिभाषित करता है।
तो एक तरह से, ओपनएआई उस रास्ते पर आगे बढ़ना जारी रख रहा है जिसे एंथ्रोपिक ने इस बार अपनाया है। अंतर यह है कि OpenAI के पास अधिक "उत्पादित" कोडेक्स है।
हालाँकि, क्योंकि कोडेक्स और क्लाउड कोड ने लंबे समय से अलग-अलग उत्पाद प्रभाव दिए हैं, भले ही वे एक ही कहानी बताते हों, वे बहुत अलग भावनाएँ लाते हैं। क्लाउड कोड ऐसा लगता है कि डेवलपर्स को टर्मिनल में बैठने और एजेंट के साथ मिलकर कोड लिखने की सुविधा मिलती है, जबकि कोडेक्स ऐप शुरू से ही "एक साथ कई दीर्घकालिक एजेंटों की निगरानी" के इंटरफ़ेस पर जोर देता है।
वैसे, Google पहले ही इस रूट से जुड़ चुका है। इस साल मई में I/O सम्मेलन में, जेमिनी एपीआई ने मैनेज्ड एजेंट्स लॉन्च किया, जिसने एंटीग्रेविटी हार्नेस और सैंडबॉक्स को भी प्रबंधित सेवाओं में बदल दिया। लेकिन Google के कार्ड यहीं नहीं रुकते, जिस पर हम बाद में चर्चा करेंगे।
लेकिन इतना कहने के बाद, यह इतना महत्वपूर्ण नहीं लगता कि पहले कौन आता है... अंत में, निश्चित रूप से, जो कोई भी अपने हार्नेस को डेवलपर्स के लिए डिफ़ॉल्ट परत में बदल देगा, वह सबसे बड़ा केक खाने में सक्षम होगा।
बड़ा विजेता कौन है?
आखिर मॉडल कंपनियां अब हार्नेस को क्यों हथियाना शुरू कर रही हैं?
डीएसएच द्वारा दिए गए समीकरण की तरह, एजेंट = मॉडल + हार्नेस, मॉडल एजेंट को बता सकता है कि आगे क्या करना है, लेकिन वास्तव में किसी कार्य को शुरू से अंत तक चलाने के लिए, उसे अभी भी यह जानना होगा कि फ़ाइल कहां है, किस टूल को कॉल करने की आवश्यकता है, त्रुटि होने पर कैसे पुनर्प्राप्त करें, और परिणाम अंततः कहां लिखे गए हैं।
दूसरे शब्दों में, मॉडल एजेंट की क्षमता की ऊपरी सीमा निर्धारित करता है, और हार्नेस तेजी से यह निर्धारित करता है कि क्या वह काम पूरा कर सकता है।
एक बार प्रतिस्पर्धा का आयाम "बुद्धिमत्ता" से "निष्पादन" में बदल जाता है, तो सबसे अधिक लाभ वाली कंपनियां सर्वश्रेष्ठ मॉडल वाली एआई कंपनियां नहीं हो सकती हैं।
क्योंकि एजेंट के वास्तव में काम करना शुरू करने के बाद, उसे जिन चीज़ों की ज़रूरत होती है - ईमेल, दस्तावेज़, मीटिंग, संचार, खाता अनुमतियाँ, आदि - अक्सर पारंपरिक प्लेटफ़ॉर्म कंपनियों के हाथों में होती हैं।
चीन में हाल ही में गरमाए गए "ऑफिस एजेंट वॉर" वास्तव में एक बहुत ही विशिष्ट उदाहरण है: इंटरनेट प्लेटफ़ॉर्म के युग में बड़ी कंपनियों ने जो चीजें जमा कीं, वे उनके संबंधित पारिस्थितिकी तंत्र में कार्यों का सिर्फ एक हिस्सा हुआ करती थीं, लेकिन एजेंटों के युग में, ये चीजें ऐसे उपकरण बन जाती हैं जिन्हें एजेंटों को तब कॉल करने की आवश्यकता होती है जब वे वास्तव में काम करते हैं।
आजकल हर कोई ऑफिस एजेंट के रूप में काम कर रहा है। सतही तौर पर, वे किसी भी अन्य एआई कर्मचारियों की तुलना में अधिक स्मार्ट और सक्षम हैं। पर्दे के पीछे, वे वास्तव में अतीत में अर्जित प्लेटफ़ॉर्म लाभों का पुन: उपयोग कर रहे हैं। जिसके पास अधिक एंटरप्राइज़ डेटा, दस्तावेज़, उपकरण और अनुमतियाँ हैं, उसके लिए एजेंट को काम करने देना आसान होगा।
मॉडल कंपनियों को उन पोर्टलों तक पहुंच प्राप्त करने की आवश्यकता है जो उनके पास नहीं हैं, और जो कंपनियां दस वर्षों से अधिक समय से कार्यालय सॉफ़्टवेयर और इंटरनेट प्लेटफ़ॉर्म बना रही हैं उनके पास पहले से ही ये पोर्टल हैं।
दूसरे शब्दों में,
एआई कंपनियां वास्तविक दुनिया से फिर से जुड़ना चाहती हैं, और प्लेटफ़ॉर्म कंपनियों के पास पहले से ही चाबियों का एक गुच्छा है।
इस राह पर देखते हुए, अगर हमें सबसे अधिक फायदे वाला "फैमिली बकेट" प्लेयर ढूंढना है, तो Google शायद सबसे अतिरंजित प्लेयर है।
टीपीयू, क्लाउड इंफ्रास्ट्रक्चर, जेमिनी से लेकर सर्च, वर्कस्पेस, क्रोम और एंड्रॉइड तक, Google अंतर्निहित तकनीक से लेकर अंतिम उपयोगकर्ताओं तक एआई के लगभग सभी प्रमुख पहलुओं को कवर करता है। खोज, जीमेल, कैलेंडर, ड्राइव, यूट्यूब, मैप्स और अन्य उत्पाद स्वाभाविक रूप से एक डिजिटल वातावरण बनाते हैं जिसे एजेंटों द्वारा कॉल किया जा सकता है। इंटरनेट की पिछली पीढ़ी में ये संपत्तियाँ स्वतंत्र पोर्टल थीं, लेकिन एजेंट युग में, इन्हें उसी कार्य में पुनर्गठित किया जा सकता है।
दरअसल, Google ने विभिन्न उत्पादों में बिखरी एजेंट क्षमताओं को नीचे एक ही निष्पादन प्रणाली में एकीकृत करना शुरू कर दिया है। जेमिनी स्पार्क, जेमिनी एपीआई में प्रबंधित एजेंट और यहां तक कि खोज में कुछ एजेंट अनुभव भी धीरे-धीरे अपने पीछे उसी एंटीग्रेविटी हार्नेस को साझा कर रहे हैं।
लेकिन उपयोगकर्ता पक्ष पर, चीजें अभी भी थोड़ी गड़बड़ हैं।
आज Google के पास सर्च में जेमिनी स्पार्क, वर्कस्पेस स्टूडियो, एंटीग्रेविटी, जेमिनी एंटरप्राइज और सूचना एजेंट भी हैं। उन्हें अलग-अलग उपयोगकर्ताओं और परिदृश्यों का सामना करना पड़ता है, लेकिन आम लोगों के लिए, जब वे कोई जटिल मामला Google को सौंपना चाहते हैं, तब भी उन्हें नहीं पता होता है कि किसके पास जाना है।
Google के पास यह सब पूरा करने के लिए आवश्यक अधिकांश शर्तें पहले से ही मौजूद हैं। जो चीज़ गायब है वह एक सरल पर्याप्त उत्पाद उत्तर है।
और अगर Google वास्तव में इस मामले को समझता है - चाहे वह एक एकीकृत एजेंट कार्यक्षेत्र बना रहा हो, या एक ही एजेंट निष्पादन प्रणाली को पूरे Google पारिस्थितिकी तंत्र में प्रवेश करने दे, ताकि उपयोगकर्ता "समस्या होने पर Google को ढूंढने" के आदी हो जाएं, तो वैश्विक एजेंट बाजार का प्रतिस्पर्धी परिदृश्य शायद फिर से बदल जाएगा।
ऐसा कहने के बाद, भले ही Google वास्तव में इस "फैमिली बकेट" को एक एजेंट में डालता है, घरेलू उपयोगकर्ता संभवतः इसे पहले ही देख पाएंगे।
आइए पहले घरेलू एजेंट युद्ध पर नज़र डालें और देखें कि इसे आगे कैसे लड़ा जाएगा।
टिप्पणियाँ